半自动产出带配音的竖屏流程视频并预约发布

原文要点

takafumi sekine发布的免费n8n模板（2026年10月更新）。经认证的n8n表单接收场景清单JSON与图片ZIP，校验必需阶段、场景时间顺序、文件名安全、文本长度和每张图片的人脸遮挡标记；上传到配套本地渲染服务（完整源码随模板“Export setup files”导出，需Python 3.10+、FFmpeg/libx264、NumPy、Pillow和授权日文字体）生成遮挡预览，操作员人工确认人脸遮盖后，用OpenAI TTS逐场景配音并上传，启动正式渲染并轮询直至完成；再通过渲染服务提供的审核URL确认成片后才可经Metricool（X-Mc-Auth，需Advanced或Custom API）预约发到Instagram、YouTube、TikTok。预约默认关闭；作者明确本地验证只用合成照片/音频和模拟接口，真实OpenAI生成、Metricool认证与实际发布未测试。

这次做成什么

按原文边界搭一条“表单→校验→预览→人脸审核→配音→渲染→成片审核”的本地练习链路，Metricool预约保持关闭（作者亦未实测发布链路）。练习素材全部用合成图片与虚构文案。

准备什么

• 自托管n8n实例，且能运行随模板导出的渲染服务（Python 3.10+）
• FFmpeg与ffprobe（含libx264）、NumPy、Pillow、一款已授权的日文字体
• OpenAI API密钥（TTS用，会按用量计费）
• 渲染服务的基址URL与HTTP头认证凭据
• 若干合成练习图片（无人脸或已标注人脸框），不要用真人照片

具体怎么做

1. 部署渲染服务

   在模板中执行到“Export setup files”输出，下载配套渲染服务源码与README，在其机器上安装Python 3.10+、FFmpeg/ffprobe（确认libx264可用）、NumPy、Pillow和日文字体，启动服务。回到n8n工作流，填入渲染服务基址URL和HTTP头认证凭据。

2. 建提交表单与清单

   用带认证的n8n Form接收两项输入：场景清单JSON（见下方材料）和图片ZIP。校验节点检查：必需阶段齐全且以完成阶段收尾、场景按时间顺序排列、文件名安全、文本不超长度上限、每张图片都有显式的人脸框条目（确认无人脸的图片才允许用空数组[]）。

3. 预览与人脸审核

   把清单与素材上传到渲染服务生成遮挡预览图，流程在此暂停等待操作员确认人脸遮盖是否到位；遮盖不足就回到上一步改人脸框，确认后才继续。这是原文明确保留的人工审核点，不能跳过。

4. 逐场景配音与渲染

   对每个场景调OpenAI TTS生成一条旁白音频，逐条上传到渲染服务；然后启动正式渲染并轮询任务状态，直到完成或失败。保持竖屏1080×1920、时长不超过175秒（原文称超出会无法通过工作流检查）。

5. 成片审核与可选预约

   通过渲染服务提供的审核URL检查成片与QA帧，记录最终批准。Metricool分支保持关闭；若以后启用，需Metricool Advanced或Custom API、X-Mc-Auth凭据、userId/blogId、三个已连接平台账号，以及渲染服务能提供稳定公网HTTPS的MP4地址，还要填UTC发布时间——这些原文注明未经作者实测，启用前自行验证。

可直接复制的材料

{
  "title": "咖啡萃取流程演示",
  "orientation": "portrait",
  "resolution": "1080x1920",
  "stages": [
    {"id": "prep", "label": "准备", "order": 1},
    {"id": "brew", "label": "萃取", "order": 2},
    {"id": "done", "label": "完成", "order": 3}
  ],
  "scenes": [
    {"scene_id": "s1", "stage": "prep", "image": "s1_beans.png", "text": "称取18克咖啡豆并研磨", "face_boxes": [], "duration_sec": 8},
    {"scene_id": "s2", "stage": "brew", "image": "s2_pour.png", "text": "注入92度热水开始萃取", "face_boxes": [{"x": 120, "y": 40, "w": 160, "h": 200}], "duration_sec": 10},
    {"scene_id": "s3", "stage": "done", "image": "s3_cup.png", "text": "萃取完成，出杯", "face_boxes": [], "duration_sec": 8}
  ]
}

{
  "checks": [
    "stages含全部必需阶段且最后一个阶段为完成类",
    "scenes按order/时间顺序排列",
    "image文件名仅含字母数字下划线与扩展名",
    "text不超过模板长度上限",
    "每张image都有face_boxes条目，[]仅用于确认无人脸的图片",
    "竖屏1080x1920且总时长不超过175秒",
    "metricool_scheduling保持false"
  ],
  "metricool_scheduling": false,
  "note": "预约开关默认关闭，启用前需自行验证账号与公网MP4地址"
}

输入与输出示例

本站虚构演示，非作者结果；作者亦说明真实渲染与发布链路未由其测试。

输入

提交上方三场景清单与含s1_beans.png、s2_pour.png、s3_cup.png的ZIP；s2标注一个人脸框，其余图片确认无人脸。

对应输出

校验通过；渲染服务返回预览任务{"job_id":"prev-7f21","status":"preview_ready","preview_urls":[".../s1.png",".../s2_masked.png",".../s3.png"]}，操作员确认s2人脸已遮盖；随后生成3条旁白音频并启动渲染，轮询返回{"job_id":"rend-3a90","status":"completed","review_url":".../review/rend-3a90","duration_sec":26,"resolution":"1080x1920"}；因metricool_scheduling=false，流程在记录批准后结束，不产生预约。

做完检查这些

• 缺任一必需阶段或未以完成阶段收尾的清单在校验节点被拦截，不上传素材
• 任一图片缺少face_boxes条目时校验失败并指出具体文件名
• 人脸预览未经操作员确认前，流程不会进入配音与正式渲染步骤
• 成片分辨率1080×1920且总时长不超过175秒才通过检查
• Metricool开关关闭时整条流程不产生任何预约请求

容易卡住的地方

• 渲染服务必须自行部署，FFmpeg缺libx264或日文字体未授权都会失败
• 作者明确真实OpenAI生成、Metricool认证与实际发布未测试，启用预约前需自行验证
• 公网HTTPS的MP4地址是Metricool取片前提，内网渲染服务需另配稳定外链
• face_boxes的空数组只允许用于确认无人脸的图片，否则预览审核应打回
• 预约回执不等于发布成功，原文建议先核对不确定的响应再重试，避免盲目重复预约
• TTS与Metricool API可能另计费，模板免费不代表相关服务免费